方式1：
进入B站，找到想爬取的视频
以为闲鱼梦想家这位up视频为例子天冷了小伙在北京出租屋吃涮羊肉，太香太开心了_哔哩哔哩_bilibili
获取url
在URL，bilibili前面j插入一个i，进入一个新天地
可以看到有弹幕地址，我们使用该URL
定义请求的 URL
python
# 定义请求的 URL
url = "https://api.bilibili.com/x/v1/dm/list.so?oid=26331385792"添加 User-Agent 头
python
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36 Edg/130.0.0.0"
}鼠标右键，检查：
完整代码：
python
import requests
import re
# 方式1：
# 定义请求的 URL
url = "https://api.bilibili.com/x/v1/dm/list.so?oid=26331385792"
# 添加 User-Agent 头
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36 Edg/130.0.0.0"
}
# 发送 GET 请求
response = requests.get(url=url, headers=headers)
# 设置响应编码
response.encoding = 'UTF-8'
# 使用正则表达式提取弹幕内容
content_list = re.findall('<d p=".*?">(.*?)</d>', response.text)
# 合并弹幕内容为一个字符串
content = '\n'.join(content_list)
# 写入文件
with open('file01.txt', mode='a', encoding='utf-8') as f:
f.write(content + '\n') # 添加换行符以便分隔不同次写入
# 打印弹幕内容
print(content)方式2：（需要登录，想要获取其他日期时间的弹幕）
获取日期的URL
https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=26331385792&date=2024-10-19
因为我们登录了，在headers里面加上我们的Cookie
完整代码：
python
import requests
import re
# 方式2（查看历史日期信息）：
for page in range(17,19):
# 定义请求的 URL
url = f"https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=26331385792&date=2024-10-{page}"
# 添加 User-Agent 头
headers = {
'cookie': "你的cookie",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36 Edg/130.0.0.0"
}
# 发送 GET 请求
response = requests.get(url=url, headers=headers)
content_list = re.findall('[\u4e00-\u9fa5]+', response.text)
# 打印弹幕内容
print(f'2024-10-{page}')
# 合并弹幕内容为一个字符串
content = '\n'.join(content_list)
print(content_list)
# 写入文件
with open('file02.txt', mode='a', encoding='utf-8') as f:
f.write(f'2024-10-{page}'+ '\n'+ content + '\n') # 添加换行符以便分隔不同次写入
re.findall(...)：这个函数返回在输入字符串中找到的所有匹配项，结果是一个列表。
+：表示匹配一个或多个前面的字符。
[\u4e00-\u9fa5]：这是一个字符类，匹配所有在这个范围内的中文字符。
正则表达式：如果发现乱码，可以将该乱码内容提取到：在线正则表达式测试 进行转化
可视化
可看https://blog.csdn.net/weixin_51891232/article/details/143022315，了解Matplotlib
python
import requests
import re
from collections import Counter
import matplotlib.pyplot as plt
import numpy as np
categories = []
values = []
# 方式2（查看历史日期信息）：
for page in range(17, 21):
# 定义请求的 URL
url = f"https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=26331385792&date=2024-10-{page}"
# 添加 User-Agent 头
headers = {
'cookie': "你的cookie",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36 Edg/130.0.0.0"
}
# 发送 GET 请求
response = requests.get(url=url, headers=headers)
# 提取弹幕内容
content_list = re.findall('[\u4e00-\u9fa5]+', response.text)
print(f'2024-10-{page}')
# 统计弹幕数量
counter = Counter(content_list)
# 获取前10名弹幕
top_10 = counter.most_common(10)
# 获取弹幕种类数量和总数量
unique_count = len(counter)
total_count = sum(counter.values())
# 打印结果
print("前10名弹幕及其数量：")
for text, count in top_10:
print(f"{text}: {count} 次")
print(f"弹幕种类数量: {unique_count}")
print(f"总数量: {total_count}")
# 写入文件
with open('file02.txt', mode='a', encoding='utf-8') as f:
f.write(f'2024-10-{page}\n')
f.write(f"前10名弹幕及其数量：\n")
for text, count in top_10:
f.write(f"{text}: {count} 次\n")
f.write(f"弹幕种类数量: {unique_count}\n")
f.write(f"总数量: {total_count}\n\n")
# 数据
categories.append(f'2024-10-{page}')
values.append(total_count)
# 绘制柱状图
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 显示中文标签
# 创建柱状图
bars = plt.bar(categories, values, color='skyblue', width=0.5, alpha=0.7, linewidth=2)
# 在每个柱顶上显示数量
for bar in bars:
yval = bar.get_height()
plt.text(bar.get_x() + bar.get_width()/2, yval, int(yval), ha='center', va='bottom')
# 添加标题和标签
plt.title('弹幕总数量柱状图')
plt.xlabel('日期')
plt.ylabel('弹幕总数量')
# plt.axhline(0, color='black', linewidth=0.5, ls='--') # 绘制x轴
# plt.axvline(0, color='black', linewidth=0.5, ls='--') # 绘制y轴
# plt.grid() # 添加网格
plt.show() # 显示图形
yval = bar.get_height(): 获取当前柱子的高度，代表该柱的数值
plt.text(...): 在图表上添加文本，参数说明：
bar.get_x() + bar.get_width()/2: 计算柱子中心的 x 坐标，以便文本居中。
yval: y 坐标，文本将放置在柱子的顶端。
int(yval): 显示的文本内容，即柱子的高度。
ha='center': 水平对齐方式为中心对齐。
va='bottom': 垂直对齐方式为底部对齐，使文本位于柱子顶部。
词云图
python
import requests
import re
from collections import Counter
import matplotlib.pyplot as plt
from wordcloud import WordCloud
# 初始化数据列表
pages = range(17, 21)
all_counters = []
# 方式2（查看历史日期信息）：
for page in pages:
url = f"https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=26331385792&date=2024-10-{page}"
headers = {
'cookie': "你的cokkie",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36 Edg/130.0.0.0"
}
response = requests.get(url=url, headers=headers)
content_list = re.findall('[\u4e00-\u9fa5]+', response.text)
# 统计弹幕数量
counter = Counter(content_list)
all_counters.append(counter)
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 显示中文标签
# 创建子图
fig, axes = plt.subplots(2, 2, figsize=(10, 5)) # 根据需要调整子图数量和大小
axes = axes.flatten() # 将子图展平，方便迭代
plt.subplots_adjust(hspace=0.5, wspace=0.3)
# 为每个日期生成词云
for i, counter in enumerate(all_counters):
# 创建词云
wordcloud = WordCloud(
font_path='msyh.ttc', # 替换为你的字体路径，确保支持中文
width=500,
height=300,
background_color='white',
).generate_from_frequencies(counter)
# 绘制词云
axes[i].imshow(wordcloud, interpolation='bilinear')
axes[i].axis('off') # 不显示坐标轴
axes[i].set_title(f'2024-10-{pages[i]} 弹幕词云', fontsize=16) # 设置标题
# 调整布局
plt.tight_layout()
plt.show()